+

CN119150027A - 一种隧道亮度控制动态优化方法、系统、终端及介质 - Google Patents

一种隧道亮度控制动态优化方法、系统、终端及介质 Download PDF

Info

Publication number
CN119150027A
CN119150027A CN202411598035.XA CN202411598035A CN119150027A CN 119150027 A CN119150027 A CN 119150027A CN 202411598035 A CN202411598035 A CN 202411598035A CN 119150027 A CN119150027 A CN 119150027A
Authority
CN
China
Prior art keywords
brightness
representing
vehicle speed
function
variable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202411598035.XA
Other languages
English (en)
Other versions
CN119150027B (zh
Inventor
张开文
和永军
张云
郭华
杨斌
伏冬孝
闻若伊
张孟
李应董
王骏涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
YUNNAN YUNLING EXPRESSWAY TRAFFIC TECHNOLOGY CO LTD
Original Assignee
YUNNAN YUNLING EXPRESSWAY TRAFFIC TECHNOLOGY CO LTD
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by YUNNAN YUNLING EXPRESSWAY TRAFFIC TECHNOLOGY CO LTD filed Critical YUNNAN YUNLING EXPRESSWAY TRAFFIC TECHNOLOGY CO LTD
Priority to CN202411598035.XA priority Critical patent/CN119150027B/zh
Publication of CN119150027A publication Critical patent/CN119150027A/zh
Application granted granted Critical
Publication of CN119150027B publication Critical patent/CN119150027B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148—Wavelet transforms
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/11—Controlling the light source in response to determined parameters by determining the brightness or colour temperature of ambient light
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
    • H05B47/12—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by detecting audible sound
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)

Abstract

本发明公开了一种隧道亮度控制动态优化方法、系统、终端及介质，涉及智能交通技术领域，其技术方案要点是：本发明采用卡尔曼滤波方法对预处理后的多源状态参数进行状态估计，可以准确获得能够表征目标隧道整体情况的车辆运行估计状态，再结合车辆运行估计状态和自回归分布滞后模型（ADL模型）进行车流量和车速预测，既可以准确分析单个数据的整体变化趋势，也可以准确表征出不同数据之间的关联特性；同时，再通过考虑车流量和车速协调作用所构建的亮度优化函数实现照明亮度目标值求解，可以从全局角度实现实时变化的车流量和车速准确性响应，从而提高了亮度调节的可靠性与及时性。

Description

一种隧道亮度控制动态优化方法、系统、终端及介质
技术领域
本发明涉及智能交通技术领域，更具体地说，它涉及一种隧道亮度控制动态优化方法、系统、终端及介质。
背景技术
在现代交通系统中，隧道作为关键的交通节点，其照明系统的智能化控制对于提高行车安全和降低能耗具有至关重要的作用。传统的隧道照明系统通常采用固定的时空控制策略，不仅造成能源的浪费，而且影响了驾驶者的视觉舒适度和行车安全性。
为此，现有技术中记载有考虑车速、车流量、亮度等因素来实现隧道照明智能控制，例如，对车速、车流量、亮度等数据进行短时预测，再将预测得到的车速、车流量、亮度值输入到预先构建的亮度补偿模型中，并基于亮度补偿结果实现隧道亮度调节。但由于隧道内的亮度需求受多种因素影响，而车速、车流量之类的因素在短时内的波动较大，且随机性较强，不易准确采集，所以直接基于所采集的单一数据进行短时预测的准确性与可靠性较差，同时也会增大照明设备的响应频次；此外，现有的亮度补偿模型一般是基于单一因素实现亮度补偿，例如车流量增加时以正相关的方式调节隧道亮度，忽略了各种因素之间的关联作用，无法细致地响应实时变化的车流量和车速等多因素工况。
因此，如何研究设计一种能够克服上述缺陷的隧道亮度控制动态优化方法、系统、终端及介质是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足，本发明的目的是提供一种隧道亮度控制动态优化方法、系统、终端及介质，通过考虑车流量和车速协调作用所构建的亮度优化函数实现照明亮度目标值求解，可以从全局角度实现实时变化的车流量和车速准确性响应，从而提高了亮度调节的可靠性与及时性。
本发明的上述技术目的是通过以下技术方案得以实现的：
第一方面，提供了一种隧道亮度控制动态优化方法，包括以下步骤：
采集目标隧道内的多源状态参数，多源状态参数包括车流量、车速、环境光线强度和噪声水平；
对多源状态参数进行预处理，并采用卡尔曼滤波方法对预处理后的多源状态参数进行状态估计，得到车辆运行估计状态；
将车辆运行估计状态输入到考虑时间条件和环境条件所训练得到的ADL模型中，预测得到预测车流量和预测车速；
将预测车流量和预测车速输入至考虑车流量和车速协调作用所构建的亮度优化函数中，得到照明亮度目标值；
根据照明亮度目标值生成对应的实时PWM信号，并基于实时PWM信号实现亮度调节。
进一步的，所述对多源状态参数进行预处理的过程具体为：
通过中值滤波、均值滤波和/或小波变换消除多源状态参数中的随机错误和背景噪声，得到第一参数；
通过Z-score标准化或Min-Max标准化消除第一参数中不同量纲和量级的影响，得到第二参数；
通过插值法对第二参数中采样时间的偏差进行时间对齐，得到预处理后的多源状态参数。
进一步的，所述时间条件为将车流量划分成包括早高峰、晚高峰、白天和黑夜多种车流量模式；所述环境条件为考虑天气条件对车流量的影响和环境光线强度对照明需求的影响。
进一步的，所述亮度优化函数为以车速为主变量、车流量的增量为次变量进行构建的第一函数，表达式为：
；
其中，表示通过第一函数求解的在时刻的照明亮度目标值；表示第一函数中的主变量函数；表示第一函数中的次变量函数；表示时刻的预测车流量；表示时刻的预测车速；表示第一基准车流量；表示第一函数中的常值项；表示构建亮度优化函数的样本集，以大小为的矩阵表示；表示样本集中的样本总数量；表示样本集中以车流量为变量的数量；表示样本集中以车速为变量的数量；表示车速为、车流量所对应样本的照明亮度；表示车速为、车流量为所对应样本的照明亮度。
进一步的，所述亮度优化函数为以车流量为主变量、车速的增量为次变量进行构建的第二函数，表达式为：
；
其中，表示通过第二函数求解的在时刻的照明亮度目标值；表示第二函数中的次变量函数；表示第二函数中的主变量函数；表示时刻的预测车流量；表示时刻的预测车速；表示第一基准车速；表示第二函数中的常值项；表示构建亮度优化函数的样本集，以大小为的矩阵表示；表示样本集中的样本总数量；表示样本集中以车流量为变量的数量；表示样本集中以车速为变量的数量；表示车速为、车流量所对应样本的照明亮度；表示车速为、车流量为所对应样本的照明亮度。
进一步的，所述亮度优化函数为以车速和车流量为共同主导作用所构建的第三函数，表达式为：
；
其中，表示通过第三函数求解的在时刻的照明亮度目标值；表示以车速为主变量、车流量的增量为次变量构建亮度优化函数时的主变量函数；表示以车速为主变量、车流量的增量为次变量构建亮度优化函数时的次变量函数；表示以车流量为主变量、车速的增量为次变量构建亮度优化函数时的次变量函数；表示以车流量为主变量、车速的增量为次变量构建亮度优化函数时的主变量函数；表示时刻的预测车流量；表示时刻的预测车速；表示第三基准车速；表示第三基准车流量；表示以车速为主变量、车流量的增量为次变量构建亮度优化函数时的常值项；表示以车流量为主变量、车速的增量为次变量构建亮度优化函数时的常值项；表示构建亮度优化函数的样本集，以大小为的矩阵表示；表示样本集中的样本总数量；表示样本集中以车流量为变量的数量；表示样本集中以车速为变量的数量；表示车速为、车流量所对应样本的照明亮度；表示车速为、车流量为所对应样本的照明亮度。
进一步的，所述实时PWM信号的生成过程具体为：
建立一个基础亮度和控制照明设备达到基础亮度所需PWM信号的基础占空比；
以照明亮度目标值与基础亮度之比确定调整系数；
以基础占空比与调整系数之积确定实时PWM信号的占空比，生成对应的实时PWM信号。
第二方面，提供了一种隧道亮度控制动态优化系统，该系统用于实现如第一方面中任意一项所述的一种隧道亮度控制动态优化方法，包括：
数据采集模块，用于采集目标隧道内的多源状态参数，多源状态参数包括车流量、车速、环境光线强度和噪声水平；
状态估计模块，用于对多源状态参数进行预处理，并采用卡尔曼滤波方法对预处理后的多源状态参数进行状态估计，得到车辆运行估计状态；
状态预测模块，用于将车辆运行估计状态输入到考虑时间条件和环境条件所训练得到的ADL模型中，预测得到预测车流量和预测车速；
亮度求解模块，用于将预测车流量和预测车速输入至考虑车流量和车速协调作用所构建的亮度优化函数中，得到照明亮度目标值；
调节优化模块，用于根据照明亮度目标值生成对应的实时PWM信号，并基于实时PWM信号实现亮度调节。
第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的一种隧道亮度控制动态优化方法。
第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的一种隧道亮度控制动态优化方法。
与现有技术相比，本发明具有以下有益效果：
1、本发明提供的一种隧道亮度控制动态优化方法，采用卡尔曼滤波方法对预处理后的多源状态参数进行状态估计，可以准确获得能够表征目标隧道整体情况的车辆运行估计状态，再结合车辆运行估计状态和自回归分布滞后模型（ADL模型）进行车流量和车速预测，既可以准确分析单个数据的整体变化趋势，也可以准确表征出不同数据之间的关联特性；同时，再通过考虑车流量和车速协调作用所构建的亮度优化函数实现照明亮度目标值求解，可以从全局角度实现实时变化的车流量和车速准确性响应，从而提高了亮度调节的可靠性与及时性；
2、本发明在构建亮度优化函数时，基于历史样本数据，先以一个因素为主变量进行线性回归分析，再以另一个因素为次变量对主变量的误差进行非线性回归分析，以此得到考虑车流量和车速协调作用的亮度优化函数，能够更为准确的实现不同变化工况下的亮度调节；
3、本发明在构建亮度优化函数时，对主变量的误差进行非线性回归分析过程中，以使各个样本数据与次变量所对应样本数据之间的亮度误差之和最小为优化目标，求解出各个次变量函数中的次变量基准，使得分析得到的次变量函数中的自变量取值范围更小，利于获得更为准确、可靠的次变量函数；
4、本发明实现了对照明系统的精准动态控制，显著提升了系统响应的灵活性和准确性；能够持续学习和适应交通和环境的动态变化，保持系统的先进性和有效性；且通过维持合理的照明水平，保证了驾驶员的视线清晰，减少了视觉疲劳，有效降低了交通事故的风险。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1是本发明实施例1中的流程图；
图2是本发明实施例2中的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1：一种隧道亮度控制动态优化方法，如图1所示，包括以下步骤：
S1：采集目标隧道内的多源状态参数，多源状态参数包括车流量、车速、环境光线强度和噪声水平；
S2：对多源状态参数进行预处理，并采用卡尔曼滤波方法对预处理后的多源状态参数进行状态估计，得到车辆运行估计状态；
S3：将车辆运行估计状态输入到考虑时间条件和环境条件所训练得到的ADL模型中，预测得到预测车流量和预测车速；
S4：将预测车流量和预测车速输入至考虑车流量和车速协调作用所构建的亮度优化函数中，得到照明亮度目标值；
S5：根据照明亮度目标值生成对应的实时PWM信号，并基于实时PWM信号实现亮度调节。PWM信号为脉冲宽度调制信号。
在步骤S1中，由于车流量、车速是一个在短时内存在波动较大，但在长时内呈稳定趋势变化的因素，且隧道具有较长的分布范围，所以在采用有限传感器或图像采集端来采集目标隧道内的车流量、车速时，所采集的车流量、车速仅能表示局部的情况，难以准确表征全局的情况。
为此，本发明对采集的数据进行后续处理。
在步骤S2中，对多源状态参数进行预处理的过程具体为：通过中值滤波、均值滤波和/或小波变换消除多源状态参数中的随机错误和背景噪声，得到第一参数；通过Z-score标准化或Min-Max标准化消除第一参数中不同量纲和量级的影响，得到第二参数；通过插值法对第二参数中采样时间的偏差进行时间对齐，得到预处理后的多源状态参数。
需要说明的是，本发明采用卡尔曼滤波方法主要是的对多源状态参数进行状态准确估计，但不应用于后续时间的数据预测。
在步骤S3中，由于一个车辆运行估计状态是由多个状态组成的状态向量，为了在后续车速和车流量预测过程中，即保障单个因素的整体预测趋势，又确保各个因素之间的关联影响，本发明采用自回归分布滞后模型（ADL模型）进行车流量和车速预测。
而在ADL模型建立时，所考虑的时间条件为将车流量划分成包括早高峰、晚高峰、白天和黑夜多种车流量模式，所考虑的环境条件为考虑天气条件对车流量的影响和环境光线强度对照明需求的影响。
在步骤S4中，亮度优化函数可以依据标准的样本数据实现，一个样本数据中包含了车速、车流量和在相应车速、车流量下的照面亮度。本发明采用通过采集大量样本组成样本集，先以一个因素为主变量进行线性回归分析，再以另一个因素为次变量对主变量的误差进行非线性回归分析，以此得到考虑车流量和车速协调作用的亮度优化函数，能够更为准确的实现不同变化工况下的亮度调节。
而在亮度优化函数构建之前，需要依据样本集中的各个样本数据确定基准量，具体的，在构建亮度优化函数时，对主变量的误差进行非线性回归分析过程中，以使各个样本数据与次变量所对应样本数据之间的亮度误差之和最小为优化目标，求解出各个次变量函数中的次变量基准，使得分析得到的次变量函数中的自变量取值范围更小，利于获得更为准确、可靠的次变量函数。
作为第一种可选的实施方式，亮度优化函数为以车速为主变量、车流量的增量为次变量进行构建的第一函数，表达式为：
；
其中，表示通过第一函数求解的在时刻的照明亮度目标值；表示第一函数中的主变量函数；表示第一函数中的次变量函数；表示时刻的预测车流量；表示时刻的预测车速；表示第一基准车流量；表示第一函数中的常值项；表示构建亮度优化函数的样本集，以大小为的矩阵表示；表示样本集中的样本总数量；表示样本集中以车流量为变量的数量；表示样本集中以车速为变量的数量；表示车速为、车流量所对应样本的照明亮度；表示车速为、车流量为所对应样本的照明亮度。
作为第二种可选的实施方式，亮度优化函数为以车流量为主变量、车速的增量为次变量进行构建的第二函数，表达式为：
；
其中，表示通过第二函数求解的在时刻的照明亮度目标值；表示第二函数中的次变量函数；表示第二函数中的主变量函数；表示时刻的预测车流量；表示时刻的预测车速；表示第一基准车速；表示第二函数中的常值项；表示构建亮度优化函数的样本集，以大小为的矩阵表示；表示样本集中的样本总数量；表示样本集中以车流量为变量的数量；表示样本集中以车速为变量的数量；表示车速为、车流量所对应样本的照明亮度；表示车速为、车流量为所对应样本的照明亮度。
上述两个构建方法均是以一个因素为主导作用，在车辆紧急制动等特殊情况时，容易导致隧道亮度突变，为此，本发明融合上述两个构建方法来重构亮度优化函数。
作为第三种可选的实施方式，在第三种构建方法中，与第一和第二种构建方法不同的是，基准车速或基准车流量的选取不同，在同时优化求解出第三基准车速和第三基准车流量后，再分布以第一和第二种构建方法进行构建，最后求均值。
例如，亮度优化函数为以车速和车流量为共同主导作用所构建的第三函数，表达式为：
；
其中，表示通过第三函数求解的在时刻的照明亮度目标值；表示以车速为主变量、车流量的增量为次变量构建亮度优化函数时的主变量函数；表示以车速为主变量、车流量的增量为次变量构建亮度优化函数时的次变量函数；表示以车流量为主变量、车速的增量为次变量构建亮度优化函数时的次变量函数；表示以车流量为主变量、车速的增量为次变量构建亮度优化函数时的主变量函数；表示时刻的预测车流量；表示时刻的预测车速；表示第三基准车速；表示第三基准车流量；表示以车速为主变量、车流量的增量为次变量构建亮度优化函数时的常值项；表示以车流量为主变量、车速的增量为次变量构建亮度优化函数时的常值项；表示构建亮度优化函数的样本集，以大小为的矩阵表示；表示样本集中的样本总数量；表示样本集中以车流量为变量的数量；表示样本集中以车速为变量的数量；表示车速为、车流量所对应样本的照明亮度；表示车速为、车流量为所对应样本的照明亮度。
在步骤S5中，实时PWM信号的生成过程具体为：建立一个基础亮度和控制照明设备达到基础亮度所需PWM信号的基础占空比；以照明亮度目标值与基础亮度之比确定调整系数；以基础占空比与调整系数之积确定实时PWM信号的占空比，生成对应的实时PWM信号。
实施例2：一种隧道亮度控制动态优化系统，该系统用于实现如实施例1所记载的一种隧道亮度控制动态优化方法，如图2所示，包括数据采集模块、状态估计模块、状态预测模块、亮度求解模块和调节优化模块。
其中，数据采集模块，用于采集目标隧道内的多源状态参数，多源状态参数包括车流量、车速、环境光线强度和噪声水平；状态估计模块，用于对多源状态参数进行预处理，并采用卡尔曼滤波方法对预处理后的多源状态参数进行状态估计，得到车辆运行估计状态；状态预测模块，用于将车辆运行估计状态输入到考虑时间条件和环境条件所训练得到的ADL模型中，预测得到预测车流量和预测车速；亮度求解模块，用于将预测车流量和预测车速输入至考虑车流量和车速协调作用所构建的亮度优化函数中，得到照明亮度目标值；调节优化模块，用于根据照明亮度目标值生成对应的实时PWM信号，并基于实时PWM信号实现亮度调节。
本发明还记载了一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，处理器执行程序时实现如实施例1所记载的一种隧道亮度控制动态优化方法。
本发明还记载了一种计算机可读介质，其上存储有计算机程序，计算机程序被处理器执行可实现如实施例1所记载的一种隧道亮度控制动态优化方法。
工作原理：本发明采用卡尔曼滤波方法对预处理后的多源状态参数进行状态估计，可以准确获得能够表征目标隧道整体情况的车辆运行估计状态，再结合车辆运行估计状态和自回归分布滞后模型（ADL模型）进行车流量和车速预测，既可以准确分析单个数据的整体变化趋势，也可以准确表征出不同数据之间的关联特性；同时，再通过考虑车流量和车速协调作用所构建的亮度优化函数实现照明亮度目标值求解，可以从全局角度实现实时变化的车流量和车速准确性响应，从而提高了亮度调节的可靠性与及时性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种隧道亮度控制动态优化方法，其特征是，包括以下步骤：
采集目标隧道内的多源状态参数，多源状态参数包括车流量、车速、环境光线强度和噪声水平；
对多源状态参数进行预处理，并采用卡尔曼滤波方法对预处理后的多源状态参数进行状态估计，得到车辆运行估计状态；
将车辆运行估计状态输入到考虑时间条件和环境条件所训练得到的ADL模型中，预测得到预测车流量和预测车速；
将预测车流量和预测车速输入至考虑车流量和车速协调作用所构建的亮度优化函数中，得到照明亮度目标值；
根据照明亮度目标值生成对应的实时PWM信号，并基于实时PWM信号实现亮度调节。
2.根据权利要求1所述的一种隧道亮度控制动态优化方法，其特征是，所述对多源状态参数进行预处理的过程具体为：
通过中值滤波、均值滤波和/或小波变换消除多源状态参数中的随机错误和背景噪声，得到第一参数；
通过Z-score标准化或Min-Max标准化消除第一参数中不同量纲和量级的影响，得到第二参数；
通过插值法对第二参数中采样时间的偏差进行时间对齐，得到预处理后的多源状态参数。
3.根据权利要求1所述的一种隧道亮度控制动态优化方法，其特征是，所述时间条件为将车流量划分成包括早高峰、晚高峰、白天和黑夜多种车流量模式；所述环境条件为考虑天气条件对车流量的影响和环境光线强度对照明需求的影响。
4.根据权利要求1所述的一种隧道亮度控制动态优化方法，其特征是，所述亮度优化函数为以车速为主变量、车流量的增量为次变量进行构建的第一函数，表达式为：
；
其中，表示通过第一函数求解的在时刻的照明亮度目标值；表示第一函数中的主变量函数；表示第一函数中的次变量函数；表示时刻的预测车流量；表示时刻的预测车速；表示第一基准车流量；表示第一函数中的常值项；表示构建亮度优化函数的样本集，以大小为的矩阵表示；表示样本集中的样本总数量；表示样本集中以车流量为变量的数量；表示样本集中以车速为变量的数量；表示车速为、车流量所对应样本的照明亮度；表示车速为、车流量为所对应样本的照明亮度。
5.根据权利要求1所述的一种隧道亮度控制动态优化方法，其特征是，所述亮度优化函数为以车流量为主变量、车速的增量为次变量进行构建的第二函数，表达式为：
；
其中，表示通过第二函数求解的在时刻的照明亮度目标值；表示第二函数中的次变量函数；表示第二函数中的主变量函数；表示时刻的预测车流量；表示时刻的预测车速；表示第一基准车速；表示第二函数中的常值项；表示构建亮度优化函数的样本集，以大小为的矩阵表示；表示样本集中的样本总数量；表示样本集中以车流量为变量的数量；表示样本集中以车速为变量的数量；表示车速为、车流量所对应样本的照明亮度；表示车速为、车流量为所对应样本的照明亮度。
6.根据权利要求1所述的一种隧道亮度控制动态优化方法，其特征是，所述亮度优化函数为以车速和车流量为共同主导作用所构建的第三函数，表达式为：
；
其中，表示通过第三函数求解的在时刻的照明亮度目标值；表示以车速为主变量、车流量的增量为次变量构建亮度优化函数时的主变量函数；表示以车速为主变量、车流量的增量为次变量构建亮度优化函数时的次变量函数；表示以车流量为主变量、车速的增量为次变量构建亮度优化函数时的次变量函数；表示以车流量为主变量、车速的增量为次变量构建亮度优化函数时的主变量函数；表示时刻的预测车流量；表示时刻的预测车速；表示第三基准车速；表示第三基准车流量；表示以车速为主变量、车流量的增量为次变量构建亮度优化函数时的常值项；表示以车流量为主变量、车速的增量为次变量构建亮度优化函数时的常值项；表示构建亮度优化函数的样本集，以大小为的矩阵表示；表示样本集中的样本总数量；表示样本集中以车流量为变量的数量；表示样本集中以车速为变量的数量；表示车速为、车流量所对应样本的照明亮度；表示车速为、车流量为所对应样本的照明亮度。
7.根据权利要求1所述的一种隧道亮度控制动态优化方法，其特征是，所述实时PWM信号的生成过程具体为：
建立一个基础亮度和控制照明设备达到基础亮度所需PWM信号的基础占空比；
以照明亮度目标值与基础亮度之比确定调整系数；
以基础占空比与调整系数之积确定实时PWM信号的占空比，生成对应的实时PWM信号。
8.一种隧道亮度控制动态优化系统，其特征是，该系统用于实现如权利要求1-7任意一项所述的一种隧道亮度控制动态优化方法，包括：
数据采集模块，用于采集目标隧道内的多源状态参数，多源状态参数包括车流量、车速、环境光线强度和噪声水平；
状态估计模块，用于对多源状态参数进行预处理，并采用卡尔曼滤波方法对预处理后的多源状态参数进行状态估计，得到车辆运行估计状态；
状态预测模块，用于将车辆运行估计状态输入到考虑时间条件和环境条件所训练得到的ADL模型中，预测得到预测车流量和预测车速；
亮度求解模块，用于将预测车流量和预测车速输入至考虑车流量和车速协调作用所构建的亮度优化函数中，得到照明亮度目标值；
调节优化模块，用于根据照明亮度目标值生成对应的实时PWM信号，并基于实时PWM信号实现亮度调节。
9.一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-7中任意一项所述的一种隧道亮度控制动态优化方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征是，所述计算机程序被处理器执行可实现如权利要求1-7中任意一项所述的一种隧道亮度控制动态优化方法。
CN202411598035.XA 2024-11-11 2024-11-11 一种隧道亮度控制动态优化方法、系统、终端及介质 Active CN119150027B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202411598035.XA CN119150027B (zh) 2024-11-11 2024-11-11 一种隧道亮度控制动态优化方法、系统、终端及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202411598035.XA CN119150027B (zh) 2024-11-11 2024-11-11 一种隧道亮度控制动态优化方法、系统、终端及介质

Publications (2)

Publication Number Publication Date
CN119150027A true CN119150027A (zh) 2024-12-17
CN119150027B CN119150027B (zh) 2025-03-14

Family

ID=93801724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202411598035.XA Active CN119150027B (zh) 2024-11-11 2024-11-11 一种隧道亮度控制动态优化方法、系统、终端及介质

Country Status (1)

Country Link
CN (1) CN119150027B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119399964A (zh) * 2025-01-06 2025-02-07 中交综合规划设计院有限公司 一种隧道照明智能控制方法及系统
CN120583562A (zh) * 2025-07-31 2025-09-02 深圳市诺龙技术股份有限公司 多源传感融合控制下的道路直流照明控制方法
CN120583562B (zh) * 2025-07-31 2025-10-10 深圳市诺龙技术股份有限公司 多源传感融合控制下的道路直流照明控制方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103646372A (zh) * 2013-12-10 2014-03-19 交通运输部公路科学研究所 一种高速公路运营集成优化及评价方法
JP2018024363A (ja) * 2016-08-11 2018-02-15 株式会社デンソー 車両用表示制御装置及び車両運転アシストシステム
US20180096595A1 (en) * 2016-10-04 2018-04-05 Street Simplified, LLC Traffic Control Systems and Methods
CN107909247A (zh) * 2017-10-26 2018-04-13 东南大学 一种基于空间层次贝叶斯模型的城市宏观道路交通安全影响因素分析方法
CN108898178A (zh) * 2018-06-27 2018-11-27 江苏大学 一种人类驾驶员弯道轨迹建模方法
US20190311616A1 (en) * 2018-04-10 2019-10-10 Cavh Llc Connected and automated vehicle systems and methods for the entire roadway network
CN212588551U (zh) * 2020-06-22 2021-02-23 深圳华智测控技术有限公司 隧道照明控制装置及隧道照明系统
US20220299619A1 (en) * 2015-07-17 2022-09-22 Yuqian HU Method, apparatus, and system for wireless sensing based on linkwise motion statistics
CN118609368A (zh) * 2024-07-02 2024-09-06 山东金宇信息科技集团有限公司 一种基于全息感知的隧道交通智能管控方法、设备及介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103646372A (zh) * 2013-12-10 2014-03-19 交通运输部公路科学研究所 一种高速公路运营集成优化及评价方法
US20220299619A1 (en) * 2015-07-17 2022-09-22 Yuqian HU Method, apparatus, and system for wireless sensing based on linkwise motion statistics
JP2018024363A (ja) * 2016-08-11 2018-02-15 株式会社デンソー 車両用表示制御装置及び車両運転アシストシステム
US20180096595A1 (en) * 2016-10-04 2018-04-05 Street Simplified, LLC Traffic Control Systems and Methods
CN107909247A (zh) * 2017-10-26 2018-04-13 东南大学 一种基于空间层次贝叶斯模型的城市宏观道路交通安全影响因素分析方法
US20190311616A1 (en) * 2018-04-10 2019-10-10 Cavh Llc Connected and automated vehicle systems and methods for the entire roadway network
CN108898178A (zh) * 2018-06-27 2018-11-27 江苏大学 一种人类驾驶员弯道轨迹建模方法
CN212588551U (zh) * 2020-06-22 2021-02-23 深圳华智测控技术有限公司 隧道照明控制装置及隧道照明系统
CN118609368A (zh) * 2024-07-02 2024-09-06 山东金宇信息科技集团有限公司 一种基于全息感知的隧道交通智能管控方法、设备及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PARISE G等: "Structured distribution of electric power systems:The example of a roadway tunnel architecture", 《IEEE TRANS.IND》, vol. 46, no. 5, 19 October 2010 (2010-10-19), pages 2099 - 2105, XP011313887 *
杨云等: "隧道多源模糊自适应智能照明网络设计与实现", 《地下空间与工程学报》, vol. 19, 18 December 2023 (2023-12-18), pages 955 - 962 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119399964A (zh) * 2025-01-06 2025-02-07 中交综合规划设计院有限公司 一种隧道照明智能控制方法及系统
CN120583562A (zh) * 2025-07-31 2025-09-02 深圳市诺龙技术股份有限公司 多源传感融合控制下的道路直流照明控制方法
CN120583562B (zh) * 2025-07-31 2025-10-10 深圳市诺龙技术股份有限公司 多源传感融合控制下的道路直流照明控制方法

Also Published As

Publication number Publication date
CN119150027B (zh) 2025-03-14

Similar Documents

Publication Publication Date Title
DE102017219489B4 (de) Hybridfahrzeug und Verfahren zum Steuern eines Getriebes
CN119150027A (zh) 一种隧道亮度控制动态优化方法、系统、终端及介质
CN110415522B (zh) 一种基于多目标雷达的可变车道的控制方法及装置
CN118102545B (zh) 一种智慧照明系统的照明单元自适应调节方法
CN115665936A (zh) 一种隧道照明节能控制策略生成方法、系统、终端及介质
CN113401123A (zh) 融合驾驶模式信息的汽车预测巡航参数自整定控制系统
CN117533356A (zh) 一种智能驾驶辅助系统及方法
DE112022000894T5 (de) Elektronische steuervorrichtung und fahrzeuginternes system
CN113147734B (zh) 一种基于驾驶员纵向加速意图的闭环控制方法
CN109249932B (zh) 一种车辆加速模型标定方法及加速意图识别方法及其装置
CN108407797B (zh) 一种基于深度学习的实现农机自动换挡的方法
CN112532953B (zh) 一种智慧城市道路照明控制的数据处理方法及系统
WO2022090040A1 (de) Verfahren und vorrichtung zum steuern eines fahrzeugs entlang einer fahrttrajektorie
CN115571108B (zh) 一种节油控制方法
CN108327718A (zh) 一种车辆自适应巡航控制系统及其控制方法
CN112036630A (zh) 一种公路路面降雨量分布估计方法、存储介质及计算设备
CN118278609A (zh) 电动汽车减排评估的方法、装置、服务器及存储介质
CN117485374A (zh) 一种基于Q-learning路径规划的智能自动驾驶电传动拖拉机
DE102013114231B4 (de) System und Verfahren des Schaltsteuerns für ein Fahrzeug
CN109249933B (zh) 一种驾驶员加速意图识别方法及其装置
CN114483944B (zh) 一种换挡点更新方法、装置、控制器及存储介质
CN119189857B (zh) 车辆灯光的控制方法、装置、设备、介质及车辆
CN118428223A (zh) 一种基于大数据的纯电动矿卡能耗分析和优化方法
CN119705456B (zh) 一种车辆驾驶控制方法、装置、车机及车辆
CN117104161B (zh) 基于车辆传感器的智能座舱环境感知及控制方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
点击 这是indexloc提供的php浏览器服务，不要输入任何密码和下载